逻辑回归简介

文章目录

- 一、逻辑回归简介
- 二、逻辑回归的原理
- - [1. Sigmoid函数](#1. Sigmoid函数)
  - [2. 决策边界](#2. 决策边界)
  - [3. 损失函数](#3. 损失函数)
- 三、逻辑回归的优势与局限
- 四、示例：银行数据训练
- - [1. 数据准备与探索](#1. 数据准备与探索)
  - [2. 特征选择与数据划分](#2. 特征选择与数据划分)
  - [3. 模型训练与评估](#3. 模型训练与评估)

一、逻辑回归简介

逻辑回归（Logistic Regression）是一种广泛应用于分类问题的统计学习方法，尤其擅长处理二分类问题。尽管名字中带有"回归"，但它实际上是一种分类算法。逻辑回归通过Sigmoid函数将线性回归的输出映射到(0,1)区间，从而得到样本属于某一类别的概率。

二、逻辑回归的原理

1. Sigmoid函数

逻辑回归的核心是Sigmoid函数（也称为逻辑函数）：
P ( y = 1 ∣ x ) = 1 1 + e − z P(y=1|x) = \frac{1}{1 + e^{-z}} P(y=1∣x)=1+e−z1

其中z是输入特征的线性组合： z = w 0 + w 1 x 1 + w 2 x 2 + . . . + w n x n z = w₀ + w₁x₁ + w₂x₂ + ... + wₙxₙ z=w0+w1x1+w2x2+...+wnxn

2. 决策边界

当 P ( y = 1 ∣ x ) ≥ 0.5 P(y=1|x) ≥ 0.5 P(y=1∣x)≥0.5时，模型预测为正类；当 P ( y = 1 ∣ x ) < 0.5 P(y=1|x) < 0.5 P(y=1∣x)<0.5时，预测为负类。0.5这个阈值形成了决策边界。

3. 损失函数

逻辑回归使用交叉熵损失函数（对数损失函数），通过最大似然估计或梯度下降等优化方法寻找最优参数。

三、逻辑回归的优势与局限

优势：

计算效率高，训练和预测速度快
输出具有概率意义，可解释性强
对线性可分或近似线性可分的数据表现良好
不容易过拟合，尤其适合高维数据

局限：

对非线性决策边界的数据效果有限
对多重共线性敏感
需要较大的样本量来保证参数估计的稳定性

四、示例：银行数据训练

1. 数据准备与探索

python 复制代码

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
from sklearn.linear_model import LogisticRegression
from sklearn import  metrics

# 读取数据并进行预处理
data = pd.read_csv(r"creditcard.csv")
scaler = StandardScaler()
data["Amount"] = scaler.fit_transform(data[["Amount"]])
data = data.drop(["Time"], axis=1)

# 设置中文字体支持
mpl.rcParams["font.sans-serif"] = ["Microsoft YaHei"]
mpl.rcParams["axes.unicode_minus"] = False

# 查看正负例样本分布
labels_count = pd.value_counts(data["Class"])
print(labels_count)

# 可视化样本分布
plt.title("正负例样本数")
plt.xlabel("类别")
plt.ylabel("频数")
labels_count.plot(kind='bar')
plt.show()

2. 特征选择与数据划分

python 复制代码

# 选择特征列
column_names = ['V1', 'V2', 'V3', 'V4', 'V5', 'V6', 'V7', 'V8', 'V9', 'V10',
                'V11', 'V12', 'V13', 'V14', 'V15', 'V16', 'V17', 'V18', 'V19',
                'V20', 'V21', 'V22', 'V23', 'V24', 'V25', 'V26', 'V27', 'V28', 'Amount']
x_whole = data[column_names]
y_whole = data[["Class"]]

# 划分训练集和测试集（这里使用30%作为训练集）
x_train_w, x_test_w, y_train_w, y_test_w = train_test_split(x_whole, y_whole, train_size=0.3, random_state=1000)

3. 模型训练与评估

python 复制代码

# 创建并训练逻辑回归模型
# C参数是正则化强度的倒数，较小的C值表示更强的正则化
lr = LogisticRegression(C = 0.01)
lr.fit(x_train_w, y_train_w)

# 在测试集上进行预测
test_predicted = lr.predict(x_test_w)
result = lr.score(x_test_w,y_test_w)

# 输出详细的分类报告
print(metrics.classification_report(y_test_w, test_predicted))

图中包含以下关键指标：

精确率（Precision）：预测为正例的样本中实际为正例的比例
召回率（Recall）：实际为正例的样本中被正确预测的比例
F1-score：精确率和召回率的调和平均数
准确率（Accuracy）：所有样本中被正确分类的比例